针对少类别场景的目标检测模型优化与加速的方法

摘要

本发明涉及计算机视觉技术领域，尤其涉及一种针对少类别场景的目标检测模型优化与加速的方法，包括以下步骤：获取并标注待检测图片；将标注好的图片加入到特征提取装置进行特征提取，得到三组固定大小的特征图；将三组固定大小的特征图送入到带有FocalLoss损失函数的预测装置进行结果预测；对预测结果进行检测框的过滤，使得对于同一待检测物体，只有一个检测框输出,所述的进行特征提取过程包括：对DarkNet，AlexNet，ResNet，VGG，GoogLeNet，SENet，DenseNet等网络进行压缩，将图片大小调整至分辨率为N×N，N的可选取值为320‑1280之间的32的倍数，采用压缩后的特征提取网络进行图片的特征提取。本发明可以同时具有较高的检测速度和较高的准确率。